通信行业 紧抓AI之光 关注两个国产化方向

2023年上半年，通信板块一路领跑。2月以来随着chatGPT的火爆，景气度从光模块传导到服务器、交换机等设备，市场对数据中心的算力网络的增长预期大幅提升。展望下半年，我们认为AI依然是今年主线，长期来看，建议关注中国光模块产业链崛起机遇。

大模型是一种新的生产力工具

大模型的出现是一系列的变革，我们看到不仅是800G光模块、HBM需求旺盛的现象，其背后是深度学习对于链上所有参与环节的突破，包括解决存储墙出现的HBM、解决算力墙出现的集群和分布式训练、解决通信墙而出现的网络架构革新、解决功率墙出现的液冷等等，是通信和电子一系列技术新一轮的变革。

本轮光模块800G周期有何不同?网络架构变革是800G超预期的原因。光模块行业是一个周期成长的行业，本身遵循光摩尔定律，即每2-3年网络带宽翻倍，因此光模块公司的业绩往往跟随速率升级的周期节奏。而本轮800G周期和以往100G、400G的不同之处在于，不仅仅是速率升级，还有网络架构的变革。我们看到AI数据中心网络架构有两个变革：一个是从Spine-Leaf架构Fat-tree架构;二是GPUAll-to-all直连，这两种变革都额外地、大幅地增加了光模块需求。我们测算，由于使用Fat-tree的架构，DGXA100中GPU:光模块的比重将达到1:6，而GPUAll-to-all直连是光模块增量最大的部分，使得GPU:光模块从1:2.5大幅提升至1:7。

网络架构变革的驱动力

传统适用于HPC的网络，无法满足大模型集群训练的带宽和时延需求。大模型训练的本质是将权重参数网络多次迭代，海量的数据因此需要不停地从存储和计算单元反复转移，需要至少数百万次的迭代，直到输出可接受的结果。而分布式训练需要GPU之间通信，使得AI/ML数据中心东西流量大增，流量模式也异于传统云计算。分布式训练的两种方式——数据并行(Dataparallelism)和模型并行(Modelparallelism)，都涉及频繁的GPU间通信。无阻塞(Non-blocking)的网络，由于其不收敛的特点，可以提高网络效率，加快训练速度，这是专用于AI/ML训练的数据中心，其网络架构从Spin-leaf转到Fat-tree的原因。GPU本身为了解决存储墙而对HBM的采用，虽然使得存储带宽的大幅提升，但也进一步拉大了存储带宽和网络带宽的差距，使得网络带宽成为算力瓶颈，这是推动GPU进行all-to-all直连的原因。

未来，模型大型化的演进，会持续提升的算力需求。AI对算力增长的推动主要来自两个方面：1、更大规模的模型;2、多模态模型。HBM迭代加快，更高带宽的HBM3E有望今年底量产，将进一步推动网络带宽的提升。算力、存储、网络是绑定关系，更高的算力、更大带宽的存储，必然需要升级网络。第二代800G产品将采用200GPAM4，可以进一步提升带宽、降低功耗。在今年的3月举办的OFC上，包括II-VI等在内的头部光模块厂商都展出了基于200GPAM4方案的800G和1.6T光模块样品，产业落地逐步加快。

光模块已成优势产业有望尽享800G红利

近5年来，中国光模块厂商凭借强大的工程师红利，在与海外光模块厂商竞争中不断占据上风。2022年，合计七家光模块厂商进入全球前十，中际旭创更是凭借在数通领域的强大优势，与II-VI并列第一，连续两年成为全球光模块龙头。我们认为，未来中国光模块厂商优势稳固，在全球光模块产业链中的比重将继续提升。上游器件&芯片国产化将有望加速。依托光模块的地位，上游器件&芯片的国产化有望加速，国内主要光模块厂商扶持上游元器件的意愿明显。

我们认为光模块产业链下一步可关注两个国产化方向：1、中高端激光芯片。10GDFB国产化相当成熟，25GDFB国产化加速，50GDFB和100GEML仍有非常大的空间。2、TEC器件，光器件中价值量占比约13%，目前国产化程度低于光芯片以及陶瓷外壳，未来有望受益于国产化+数据中心/激光雷达不断增长的激光芯片温控需求。